TensorFlow Recommenders模型添加经纬度特征的实现方法

• 第一步：经纬度特征预处理
  原始经纬度是范围固定的连续值（经度范围[-180, 180]、纬度范围[-90,90]），直接输入会和文本分支输出的embedding数值尺度差异过大，导致训练不稳定，需要先做特征变换：
  • 基础方案：用tf.keras.layers.Normalization对经纬度做标准化，提前用训练集的经纬度数据调用adapt()拟合均值方差即可，用法和当前代码中使用的TextVectorization层完全一致。
  • 优化方案：做周期性编码，将经纬度转换为sin(经度*π/180)、cos(经度*π/180)、sin(纬度*π/180)、cos(纬度*π/180)四个特征，解决经纬度的环形边界问题（比如经度179°和-179°实际地理距离极近，但原始数值差极大）。
• 第二步：扩展QueryModel结构，新增坐标特征编码分支
  在现有文本特征处理分支的基础上，新增独立的坐标特征处理分支：将预处理后的坐标特征输入2-3层全连接层做非线性投影，输出维度可以自行调整（通常设为16/32维，和文本embedding维度适配即可）。最后在call()方法中，将文本embedding和坐标特征的投影向量拼接，作为Query模型的最终输出。
• 第三步：修改上层RatingsModel的特征传参
  现有RatingsModel调用Query模型时仅传入了query_features字段，需要额外把输入特征字典里的经度、纬度字段一并传入Query模型，保证坐标分支能拿到对应数据。

修改后的QueryModel：

class QueryModel(tf.keras.Model):
  
  def __init__(self, train_coords):
    super().__init__()

    max_tokens = 10_000
    # 原有文本特征处理分支
    self.query_features_vectorizer = tf.keras.layers.TextVectorization(
        max_tokens=max_tokens)
    self.query_features_embedding = tf.keras.Sequential([
      self.query_features_vectorizer,
      tf.keras.layers.Embedding(max_tokens, 64, mask_zero=True),
      tf.keras.layers.GlobalAveragePooling1D(),
    ])
    self.query_features_vectorizer.adapt(query_features)

    # 新增经纬度处理分支
    self.coord_norm = tf.keras.layers.Normalization(axis=-1)
    # 用训练集经纬度拟合归一化参数，train_coords形状为(num_samples, 2)
    self.coord_norm.adapt(train_coords)
    # 坐标特征投影层，输出维度可自行调整
    self.coord_encoder = tf.keras.Sequential([
      tf.keras.layers.Dense(32, activation="relu"),
      tf.keras.layers.Dense(16)
    ])

  def call(self, inputs):
    # 拼接文本embedding和坐标特征embedding
    text_emb = self.query_features_embedding(inputs["query_features"])
    # 从输入中取出经纬度，拼接为[batch_size, 2]的张量
    raw_coords = tf.stack([inputs["lon"], inputs["lat"]], axis=1)
    coord_emb = self.coord_encoder(self.coord_norm(raw_coords))
    return tf.concat([text_emb, coord_emb], axis=1)

RatingsModel中需要修改的传参部分：

def call(self, features):
    # 新增传入经纬度字段到Query模型
    query_embeddings = self.query_model({
        "query_features": features["query_features"],
        "lon": features["lon"],
        "lat": features["lat"],
    })

    warehouse_embeddings = self.candidate_model({
        "warehouse_id": features["warehouse_id"],
    })

    return (
        self.rating_model(
            tf.concat([query_embeddings, warehouse_embeddings], axis=1)
        ),
    )

• 如果候选仓库本身也维护了经纬度属性，除了在Query侧加用户选择的坐标特征外，还可以在候选模型侧加入仓库坐标的编码分支，或者在拼接Query、候选embedding输入评分模型前，额外拼接查询点和仓库点的球面距离（Haversine距离）作为交叉特征，能大幅提升地理位置相关的推荐效果。
• 坐标投影层的维度、激活函数可以根据数据集规模灵活调整，不需要固定参数。
• 训练和推理阶段要保证经纬度字段是数值类型，不要传入字符串格式的坐标值。

内容的提问来源于stack exchange，提问作者Даниэль Сеидов